基于改进型BP神经网络的手部动作识别

作者：尤波^*; 李忠杰; 黄玲

来源：智能系统学报, 2018, 13(05): 848-854.

• BP神经网络
• sEMG信号
• 交叉熵
• 手部动作识别
• 特征提取
• 正则化
• 机器学习
• 模式识别

对手部动作进行模式识别,首先将采集到的肌电信号进行降噪处理,选择时域分析法中的方差算法对采集信号进行特征提取。将特征信号进行归一化处理,实验发现普通BP神经网络分类器出现学习速率慢,泛化能力较差,不同动作识别准确率差别较大等问题。针对以上问题,提出了一种改进型BP神经网络,将神经网络输入数据进行人工升维处理,并对网络学习速率慢的原因进行理论推导,然后引入交叉熵代价函数并对其进行正则化处理,以提高网络的泛化能力以及网络的识别准确率。实验结果表明,改进型BP神经网络的学习速率、泛化能力以及动作分类的准确率均优于普通网络,识别准确率平均为94.34%。

• 单位
  自动化学院; 哈尔滨理工大学